AI时代的公司人才培养:当＂借事修人＂的路被AI堵死,我们该如何造人?2025年3月18日，阿里巴巴CEO吴泳铭发出一纸通知：阿里所有部门，2025年的绩效将通过"如何利用AI促进增长"来评估。这不是某个创新部门的实验，而是一家25万人的巨头对时代的正式回应。"会使用AI"不再是加分项，而是基础能力的标配。就像二十年前不会Word、Excel就找不到办公室工作一样，今天不会用AI提效，你的工作能力可能就已经落后于同事和后辈。但在这场全面AI化的浪潮中，有一个群体正陷入最深刻的焦虑——不是那些已经被优化的老员工，而是刚刚踏入行业、本应被"培养"的新人。因为AI不仅改变了工作方式，还悄悄拆掉了人才培养的那架梯子。
一、效率革命的另一面：不是早下班，而是干更多活
即便是最传统的公司，引入AI编码工具后，研发效能至少能提升30%。如果是单人创业，Vibe Coding让一个人一周内完成3个小型项目成为可能——手动编码可能需要数月，还得先学不熟悉的前端框架。效能提升数十倍甚至数百倍，绝非夸张。但效率的悖论在于：它很少被用来"减少工作"，而是被用来"提高要求"。你以为AI能帮你早点下班？现实是，看着一群"AI牛马"干更多的活，你自己还得继续加班。效率提升后，公司对人效和产品开发节奏的要求水涨船高，底层开发者的负担不降反升。更残酷的是，当AI证明一个人能干三个人的活，企业自然会重新算账。Salesforce、Dropbox们已经停止招聘初级工程师，转向AI运维团队。"开猿节流"不再是玩笑，而是正在发生的商业选择。几年前我给一位政府官员汇报AI编码能力时，他关切地问："这会带来失业吗？"当时我很乐观，认为市场需求高速增长，AI只会推动商业价值提升。如今再看，我已不再乐观。计算机行业的高薪，一定程度上源于技术门槛造成的供需失衡。当AI打破了这道门槛，低端编码执行类工作被取代，行业高薪神话或将逐渐褪色。必然会有企业选择减员节流，这无疑会给众多从业者带来冲击。
二、被AI"截胡"的新人：中间帧去哪儿了？
在传统软件团队中，新人的成长有一套成熟的"暗规则"：资深程序员识别出可独立拆解的任务，在可控范围内委派给新人。新人通过"借事修人"熟悉代码库、理解业务逻辑、锻炼工程直觉。这类任务通常具备几个特征：需求明确、输入输出清晰、有测试用例验证、对整体架构影响有限。简单说，就是"中间帧"工作——关键帧之间的填补，创意有限却必不可少，是新人练手的主战场。既然任务已经拆分清楚，需求和边界已经明确，为什么不交给AI？AI的效率是公司新人的百倍，能自我迭代、完善文档、并行开发，还不会抱怨加班。对资深程序员和团队管理者来说，这是理性的选择。动漫行业已经预演了这一幕：原画师画好关键帧后，中间帧的填补原本由新人完成，以此锻炼基本功。但这类高确定性的工作如今已被AI大量替代，新人失去了最宝贵的"练手场"。软件行业正在经历同样的困境。当AI接管了所有的"增删改查"、所有的"简单接口"、所有的"重复性模块"，新人该拿什么来"修"自己？从公司角度看，人才梯队建设不能放弃，校招的高性价比和新鲜血液的补充依然是刚需。但传统的培养路径正在失效——你不能把一个新人扔进AI已经做完的废墟里，指望他从中学会架构设计。
三、人才格局的重构：AI原住民、精英选秀与经验溢价
AI原住民：被重塑的成长路径
大厂招聘的动态已经释放出明确信号：公司更倾向于聘用AI时代工作不满三年的新人。这群人被称为AI时代的"原住民"——他们对AI嗅觉敏锐，成长路径与AI相伴，知识结构和思维方式更适配AI原生环境。传统程序员需要花大量时间死记硬背语法、手搓算法、在LeetCode里刷到吐。而AI原住民缩短了这些枯燥学习，直接跳到更高阶的问题：架构设计、需求拆解、质量把控、AI协作。他们取其精华、扬长避短，知识框架和思想观念天然就是为AI协同而生的。但这也抬高了准入门槛。架构知识、安全规范、云产品组合、模块设计理念、底座算法原理——这些无法在AI的自动补全中习得的能力，反而变得更加稀缺和珍贵。精英选秀模式：60个签位
如果市场人才需求在客观层面萎缩，而幸存岗位对个人素质的要求又大幅提高，行业很可能形成一种精英招聘培养模式。想象NBA选秀：首轮、次轮共60个签位，大概率成才的多是球队重点培养的乐透区新秀。低轮次或落选秀则需奋力打拼，艰难地闯出一片天地。可以不负责任地猜想：各个大厂的招聘门槛会持续提高，与AI协作的经历将成为硬性加分项；顶尖大学的毕业生可能作为管培生定向培养为高级程序员，而更多的计算机专业毕业生可能面临就业难题。经验型程序员的"第二春"
另一个反直觉的趋势是：外包岗位可能大幅缩减，但公司反而倾向于招聘年龄较大的经验型程序员。因为AI放大了经验的价值。一个懂架构、懂业务、懂取舍的资深工程师，在AI的加持下可以爆发出惊人的产出；而AI恰好弥补了他们在时间和体力上的不足。过去"35岁危机"的核心逻辑是"体力拼不过年轻人"，但在AI时代，经验比体力更值钱。
四、公司的应对：人才培养必须从"传帮带"转向"人机协同"
第一，重新定义"入门级"工作。不能再把"写简单的CRUD接口"作为新人的第一课。入门级工作应该升级为"在AI生成的基础上进行架构审查""设计测试策略验证AI输出""优化AI生成的代码以符合团队规范"。让新人从"执行者"起步，转变为"审核者"和"优化者"。第二，把AI当作"教学助手"而非"替代者"。最近已有AI编码工具推出"教学模式"，在AI完成需求的过程中让使用者学习编码思路。公司可以设计"AI辅助学习流"：AI生成初稿，新人理解、修改、优化，再由资深工程师把关。AI成为永不疲倦的导师，而非永不疲倦的替代者。第三，缩短"基本功"周期，提前进入"解人"训练。既然语法和简单算法可以交给AI，新人的培养重心应该前移到需求理解、用户体验、业务逻辑、系统设计。让他们更早地接触真实客户、真实痛点，培养"解人"而非"解题"的能力。第四，建立"人机协同"的能力评估体系。未来的绩效考核不应只看"写了多少行代码"，而应看"借助AI完成了什么复杂任务""对AI输出的质量把控能力""与AI协作解决业务问题的效率"。
结语：一代人有一代人的错觉
最近流行一个梗："一代人有一代人的错觉，我妈觉得手洗的衣服比洗衣机洗得干净，我觉得我手写的代码比AI写得规范。"无论是新人还是资深老手，熟悉AI的能力与边界，懂得与AI协作互补，都是公司希望留住的人才。但人才培养从来不是个人奋斗的问题，它是组织责任。当AI截胡了所有的"中间帧"，公司不能袖手旁观，看着新人无事事可做、无阶梯可爬。我们必须重新设计那架梯子——不是让人去和AI比速度，而是让人去和AI比品位、比责任、比"解人"的深度。AI时代的公司人才培养，核心命题从未改变：我们要培养的，不是会写代码的人，而是能用技术解决问题、能对产品负责、能在机器与人之间守住那份"人情味"的人。
夜雨聆风